مقاله حاضر به معرفی آنالیز طیفی بیزی به عنوان روشی قدرتمند و کارآمد جهت تحلیل طیفی سری های زمانی نورسنجی می پردازد. برای این منظور، آنالیز طیفی بیزی برای سری زمانی نورسنجی XZ Dra که به صورت غیر یکنواخت همراه با گاف های بزرگ است، در نرم افزار متلب برنامه نویسی شده و طیف توانی حاصل از این آنالیز با طیف توانی به دست آمده از نرم افزار 04Periodکه جهت تحلیل آماری سری های زمانی نجومی طراحی گردیده و از داده های مصنوعی برای یکنواخت کردن آنها بهره می برد، مقایسه شده است. اگر چه در طیف توانی حاصل از این نرم افزار قله طیفی اصلی که بیانگر بسامد اصلی نوسانات ستاره متغیر XZ Dra در (روز1-) 09864/2 = f است به خوبی شناسایی شده، اما قله های طیفی کاذب نیز دیده می شوند. همچنین در این نرم افزار نحوه تولید داده مصنوعی به طور دقیق مشخص نشده است. در طیف توانی حاصل از آنالیز بیزی این قله های کاذب حذف گردیده اند، ضمن آنکه قله طیفی مذکور حول بسامد مورد نظر دارای عرض کمتری بوده و دقیق تر است. لازم به ذکر است که در آنالیز طیفی بیزی جهت به دست آوردن طیف توانی مطلوب، احتیاج به یکنواخت کردن سری زمانی نیست؛ ضمن آنکه، پژوهشگر نیز در جریان روند دقیق محاسبات قرار می گیرد.

در این مقاله تبدیل هیلبرت هوانگ (HHT) برای آنالیز سری زمانی موقعیت ایستگاه های دائمی GPS ارائه می شود. تبدیل هیلبرت هوانگ و طیف وابسته به آن، روشی جدید برای آنالیز فرآیندهای غیر خطی و غیر ایستا به شمار می رود. این روش نه تنها یک تحلیل دقیق از وقایع خاص در فضای زمان – فرکانس ارائه می دهد بلکه تفاسیر معنی دار فیزیکی ای از فرآیندهای دینامیکی را نیز بیان می کند. روش مذکور برای آنالیز داده ها در دو مرحله انجام می شود: در مرحله اول؛ داده ها به تعدادی از مولفه های IMF با استفاده از روش EMD تجزیه می شود و مرحله دوم؛ اعمال تبدیل هیلبرت به مولفه های IMF و ایجاد توزیع زمان - فرکانس - انرژی و سپس تعیین طیف هیلبرت است. در این طیف، مکان های زمانی رویدادها برای فرکانس و انرژی تعریف شده به وسیله تبدیل هیلبرت که مفهوم فیزیکی در هر نقطه دارد، محفوظ خواهند ماند. پدیده هایی مانند ناپیوستگی در یک سری زمانی، در مکان هایی از طیف فرکانس آن رخ می دهد که در این مکان ها دارای فرکانس موضعی ماکزیمم باشد. بنابراین، فرکانس لحظه ای نقش مهمی را در این روش خواهد داشت زیرا توابع پایه ای که برای بسط داده ها استفاده می شوند مشخصه های مکانی داده ها را توصیف می کنند.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

بارش از مهم ترین و متغیرترین عناصر اقلیمی است که شناخت رفتار آن همواره مورد توجه اقلیم شناسان بوده است. از این رو پیچیدگی عناصر اقلیمی در مقیاس های زمانی و مکانی لزوم به کارگیری روش های کارامد مانند تحلیل طیفی به عنوان ابزاری مفید برای مطالعه الگوهای اقلیمی را نشان می دهد. هدف از این مطالعه بررسی و تحلیل نوسان های بارش ایران با استفاده از تحلیل طیفی (تحلیل همسازه ها) می باشد بدین منظور داده های بارش سالانه ایستگاه همدید ایران از بدو تاسیس تا سال 2008 که بیش از 40 سال آمار داشتند از سازمان هواشناسی کشور استخراج گردیده است. سپس به منظور بررسی و تحلیل چرخه های بارش ایران از برای انجام محاسبات از امکانات برنامه نویسی در محیط نرم افزار Matlab و نیز برای انجام عملیات ترسیمی از نرم افزار Surfer بهره گرفته شد. نتایج حاصل از تحلیل چرخه ها نشان داد که چرخه های معنی دار 3- 2 ساله، 5- 3ساله، 6- 2 ساله و گاهی 11 ساله و بالاتر بر بارش ایران حاکم است. بر این اساس در شرق و جنوب شرق ایران بیش تر چرخه های 5- 3 ساله و در غرب، جنوب غرب و شمال غرب کشور چرخه های 3- 2 ساله و در شمال شرق چرخه های 6- 2 ساله غالب هستند. بیش ترین و متنوع ترین چرخه ها به دلیل قرارگیری در سایه ناهمواری های زاگرس از یک سو و مجاورت با خلیج فارس از سوی دیگر در بخش های از جنوب و جنوب غرب رخ داده است. نواحی شمال غرب کشور هم همانند نواحی جنوب غرب به دلیل وجود کوه های عظیم سبلان و سهند دارای چرخه های متنوعی بوده است. چرخه های غیرسینوسی که دوره بازگشتی برابر با طول دوره آماری دارند در برخی ایستگاه ها از قبیل قزوین، سنندج و تهران مشاهده می شوند. این چرخه ها به وجود روند در داده ها نسبت داده می شوند.

تحلیل طیفی، یکی از روش های استخراج و تحلیل نوسان های اقلیمی آشکار و نهان با طول موج های مختلف است. طیف اندازه ای از توزیع واریانس را در امتداد تمامی طول موج های ممکن سری زمانی به دست می دهد. در این مقاله چرخه های دمای سالانه شهر تبریز برای دوره آماری 2005 - 1951 (55 سال)، بر اساس تحلیل طیفی و از روش تحلیل همساز (هارمونیک)ها تخمین زده شد. براین اساس، در ابتدا دوره نگار برآورد و هموار گردید. فاصله اطمینان برای مقدار هموار شده دوره نگار (طیف) برآورد و چرخه های دمایی معنی دار استخراج شد. برپایه یافته های حاصل از این روش، چرخه های 2-6.2 ساله و 5.4 – 5 ساله و نیز یک چرخه غیر سینوسی (روند) در سری زمانی دمای سالانه شهر تبریز قابل مشاهده است. چرخه های مزبور در بسیاری از مطالعات مختلف مشاهده شده و به دوره فعالیت های نوسان های جنوبی – ال نینو (ENSO)، تغییر در فعالیت های خورشیدی و تغییرات مداری گردش عمومی جو نسبت داده شده است. چرخه های حدود 5 ساله نیز بعضا به خطاهای حاصل از روش تهیه طیف منسوب می شوند.

سری های زمانی GPS شامل یک ترند خطی، حرکات پریودیک، آفست ها و یکسری رفتارهای دیگر تحت عنوان نویز می باشند. با توجه به کاربردهای متفاوت سری های زمانی مانند بررسی حرکات تکتونیک، تغییر پوسته زمین و دینامیک زلزله و غیره باید سری های زمانی با دقت بالایی تقریب گردند. برای این منظور لازم است که مولفه های سیستماتیک موجود در مدل تابعی با دقت بالایی تعیین شوند. در این تحقیق علاوه بر موارد ذکر شده، اثر زلزله نیز در سری های زمانی در نظر گرفته شده است. با توجه به اینکه لرزه خیزترین منطقه شمال ایران منطقه البرز است، 25 ایستگاه دائمی این منطقه (تقریبا با پوشش زمانی بین سال های 2005 تا 2013 میلادی) برای مطالعه انتخاب گردیده است. برای کشف اثر زلزله، با توجه به نمایش هندسی رفتار سری زمانی و همچنین بررسی زمین لرزه های رخداده در منطقه، به روش آزمون و خطا زمین لرزه های موثر در رفتار سری های زمانی شناسایی شده است. نتایج حاصل بیانگر رفتار شبیه به هم ایستگاه ها (وقوع آفست در زمان های مشترک و تاثیر مشابه زلزله) می باشد که علت آن، انتشار اثرات سیستماتیک از یک ایستگاه به ایستگاه دیگر در هنگام پردازش است. همچنین در صورتیکه ماتریس کواریانس مشاهدات بصورت ترکیب سه نویز سفید، فلیکر و گام تصادفی در نظر گرفته شود، آنالیز نویز سری های زمانی با استفاده از روش برآورد مولفه های واریانس (به روش کمترین مربعات)، بیانگر این مورد است که صرف نظر کردن از اثر زلزله اثر خود را بصورت حضور نویز گام تصادفی، به ترتیب در 88، 12 و 60 درصد سری های زمانی مولفه های شمالی، شرقی و ارتفاعی نشان خواهد داد. در صورتیکه اثر زلزله نیز در نظر گرفته شود، نویز گام تصادفی، به ترتیب در 12، 12 و 36 درصد سری های زمانی مولفه های شمالی، شرقی و ارتفاعی دارای مقدار مثبت خواهد بود. همچنین با توجه به رفتار مشابه سری های زمانی پیشنهاد می شود که یک باز پردازش برای آن ها انجام گیرد.

دریاچه ارومیه به عنوان یکی از پیکره های آبی مهم ایران در سالهای اخیر با کاهش شدید تر از سطح آب مواجه شده است. در این راستا بررسی تاثیر فاکتورهای اقلیمی و تغییرات سری زمانی آنها می تواند راهگشایی برای تغییر رفتار دینامیک این سیستم آبی باشد. در این مقاله با استفاده از تکنیک های آنالیز طیفی سری زمانی به این مهم پرداخته شده است. بدین منظور ترکیبی از روشهای تخمین طیفی چند کاهنده (Multi Taper Method) و تحلیل طیف تکین (Singular Spectral Analysis) برای بررسی طیفی سری زمانی تراز دریاچه و روش تخمین وابستگی (coherency estimation) برای بررسی ارتباط سری زمانی شاخص SOI و NAO با تراز دریاچه مورد استفاده قرار گرفت. نتایج نشان داد که افت تراز سطح آب در سال های اخیر و همچنین پر آبی سال های 1994 تا 1999 توسط نوسانات دوره ای سری زمانی تراز دریاچه قابل مدلسازی نمی باشد. اما نشان داده شد که دوره نوسانی 4.5 ساله تراز دریاچه ارومیه وابستگی معنی داری با شاخص های اقلیمی SOI و NAO دارد و این عوامل اقلیمی می توانند بخشی از رفتار دوره ای تراز دریاچه را توصیف نمایند.

هدف از آنجا که پژوهشگران، در ادبیات مالی، برای مدل سازی مقادیر فرین به تحلیل داده ها توجه کرده اند و در بازارهای مالی نیز مدیران ریسک بازار به آن توجه می کنند، شناسایی رویکردهای نوین و مناسب می تواند در پیش بینی رویدادهای بسیار نادر به تحلیل گران ریسک، بینش عمیقی ایجاد کند. تحلیل رویدادهای بسیار نادر بر اساس توزیع زمانی، یکی از مناسب ترین رویکردها در تحلیل ریسک است. هدف پژوهش حاضر، ترکیب رویکرد تحلیل زمانی و تحلیل طیفی برای شناسایی و ارایه رویکردی نوین در استخراج و تحلیل نوسان های آشکار و پنهان در امتداد تمامی طول موج های ممکن سری زمانی است تا بتوان رفتار قیمتی سهام و نوسان های آن را شناسایی کرد. روش بر اساس الگوریتم تعریف شده، ابتدا در دوره بررسی، برای هر سهم، حداکثر زیان بازدهی استخراج و طبق توزیع زمانی به شکل یک سری زمانی تعریف شد. برای سری زمانی به دست آمده، الگوی ساختاری تکرارشونده با استفاده از دوره نگار و رویکرد تحلیل واریانس چندهارمونیکی اجرا و نوسان های پنهان در بازده های حداکثر زیان با درجه های متفاوت کیفیت شناسایی شدند، سپس باکیفیت ترین دوره، طبق رابطه سینوسی تخمین زده شد. برای این منظور، از قیمت سهام برای دوره آماری 1377 تا 1397 (20 سال) و 105 شرکت پذیرفته شده در بورس اوراق بهادار تهران استفاده شده است. یافته ها: با استفاده از یافته های حاصل از روش ارایه شده، چرخه 460روزه می تواند مناسب ترین و باکیفیت ترین چرخه در شناسایی نوسان موجود در سری زمانی بررسی شده باشد. همچنین، بر اساس این چرخه، پارامترهای الگوی سینوسی برآورد شده، معنادارند. آزمون نکویی برازش نیز نشان داد که می توان 78درصد از تغییرات بازدهی را به کمک الگوی ارایه شده، شناسایی کرد. نتیجه گیری: به کارگیری رویکرد ترکیبی تحلیل سری زمانی و طیف نگار، برای توصیف رفتار سری زمانی بازدهی سهام شرکت ها، صلاحیت لازم را دارد. از این رو، می توان از الگوی ارایه شده برای پیش بینی و تحلیل در بازار سرمایه بهره برد.

دریاچه ارومیه از منابع آبی مهم در شمال غرب کشور است که هم از نظر اقتصادی و هم زیست محیطی نقش حیاتی برای آن منطقه ایفا می نماید. طی سال های اخیر دریاچه با بحران افت تراز مواجه شده که بررسی علل آن به منظور حفظ آن دارای اهمیت است. برای بررسی علل این واقعه، درک مناسبی از رفتار دریاچه ضروری می باشد و در این مقاله تلاش شده است تا با استفاده از روش های تحلیل طیفی سری زمانی به این مهم پرداخته شود. در این راستا ترکیبی از روش های تخمین طیفی چندکاهنده و آنالیز طیف تکین مورد استفاده قرار گرفت. نتایج دوره های معنی دار بلندمدت را در سری زمانی تراز دریاچه نشان داد. هر چند محدودیت طول دوره آماری باعث شد تا نتوان بسامدهای طولانی مدت و در حدود بیش از 20 ساله را مورد استناد قرار داد. همچنین بررسی سری بازسازی شده از نوسانات هارمونیک تراز دریاچه ارومیه با سری اولیه نشان داد که با وجودی که نوسانات دوره ای در رفتار دریاچه ارومیه تاثیرگذار می باشند، رفتار دریاچه طی سال های اخیر کاملا با این نوسانات دوره ای قابل توصیف نمی باشد.